Atslēgas līdzņemšanai
- Jauna veida datoru aparatūra varētu ļaut mākslīgajam intelektam nepārtraukti mācīties tāpat kā cilvēka smadzenēm.
- Pārdjū universitātes pētnieki saka, ka viņu ierīci pēc pieprasījuma var pārprogrammēt, izmantojot elektriskos impulsus.
- Lai gan mākslīgā intelekta sistēma, kas pilnībā mācās pati, joprojām galvenokārt ir jēdziens, ir daudz piemēru, kas tuvinās.
Mākslīgais intelekts (AI) drīzumā varētu saņemt stimulu no jauna veida datoru mikroshēmām, kuras iedvesmojušas cilvēka smadzenes.
Pārdjū universitātes pētnieki ir izveidojuši jaunu aparatūru, ko pēc pieprasījuma var pārprogrammēt, izmantojot elektriskos impulsus. Komanda apgalvo, ka šī pielāgošanās spēja ļautu ierīcei veikt visas nepieciešamās funkcijas, lai izveidotu smadzeņu iedvesmotu datoru. Tā ir daļa no nepārtrauktiem centieniem izveidot AI sistēmas, kas var nepārtraukti mācīties.
"Kad AI sistēmas nepārtraukti mācās vidē, tās var pielāgoties pasaulei, kas laika gaitā mainās," intervijā Lifewire pastāstīja Stīvensa Tehnoloģiju institūta AI eksperts Džordans Suchovs. "Mēs to redzam, piemēram, kad krāpšanas atklāšanas sistēma uztver iepriekš nenovērotu krāpniecisku pirkumu modeli vai kad sejas atpazīšanas sistēma sastopas ar personu, kuru tā vēl nekad nav redzējusi."
Mūža izglītojamie
Purdue pētnieki nesen publicēja rakstu žurnālā Science. Tajā aprakstīts, kā datoru mikroshēmas var dinamiski pārslēgties, lai uzņemtu jaunus datus tāpat kā smadzenes. Šī pieeja varētu palīdzēt AI turpināt mācīties laika gaitā.
"Dzīvu būtņu smadzenes var nepārtraukti mācīties visu mūžu. Tagad esam izveidojuši mākslīgu platformu mašīnām, lai tās varētu mācīties visu mūžu," ziņu izlaidumā sacīja viens no dokumenta autoriem Šrirams Ramanatāns.
Ramanatāna komandas izstrādātā aparatūra ir maza, taisnstūrveida ierīce, kas izgatavota no materiāla, ko sauc par perovskīta nikelātu, kas ir ļoti jutīgs pret ūdeņradi. Elektrisko impulsu pielietošana dažādos spriegumos ļauj ierīcei mainīt ūdeņraža jonu koncentrāciju nanosekundēs, radot stāvokļus, kurus pētnieki atklāja, lai tos varētu attiecināt uz atbilstošām smadzeņu funkcijām.
Ja ierīces centra tuvumā ir vairāk ūdeņraža, piemēram, tā var darboties kā neirons, viena nervu šūna. Ja šajā vietā ir mazāk ūdeņraža, ierīce kalpo kā sinapse, savienojums starp neironiem, ko smadzenes izmanto, lai saglabātu atmiņu sarežģītās neironu ķēdēs.
"Ja mēs vēlamies izveidot datoru vai mašīnu, ko iedvesmo smadzenes, tad attiecīgi mēs vēlamies, lai mums būtu iespēja nepārtraukti programmēt, pārprogrammēt un mainīt mikroshēmu," sacīja Ramanatans.
Domāšanas mašīnas?
Daudzas modernās mākslīgā intelekta sistēmas pielāgojas jaunai informācijai, kad tās tiek pārkvalificētas, e-pastā teica Deivids Kanters, MLCommons, atklāta inženierzinātņu konsorcija, kura mērķis ir uzlabot mašīnmācīšanos, izpilddirektors.
"Pasaule ir pēc būtības dinamiska vieta, un galu galā mašīnmācībai un AI tam ir jāpielāgojas," sacīja Kanters. "Piemēram, runas atpazīšanas sistēmai 2022. gadā, kas "nezina" par COVID-19 vai koronavīrusiem, trūktu liela mūsdienu pasaules aspekta. Tāpat autonomam transportlīdzeklim būtu jāpielāgojas izmaiņām ielās, tiltu slēgšanai vai pat zema temperatūra padara ceļu apledojošu."
Lai gan mākslīgā intelekta sistēma, kas pilnībā mācās pati, joprojām lielākoties ir jēdziens, daudzi piemēri ir tuvu, e-pasta intervijā sacīja AI uzņēmuma Fusemachines izpilddirektors Samērs Maskijs. Viena no šīm pašmācības sistēmām kļuva par ziņu, kad AI sistēma Go spēlē pārspēja cilvēku.
"AlphaGo bija pirmais DeepMind AI, kas uzvarēja profesionālu Go spēlētāju," piebilda Maskijs. "Viņu spēļu franšīzes ir kļuvušas par atspēriena punktu ar katru jaunu papildinājumu, kas virzās uz AI, kas turpina mācīties."
Nākotnes AI sistēmas meklēs informāciju, kas tām nepieciešama, lai pieņemtu labus lēmumus un veiktu atbilstošas darbības, prognozēja Suchovs. Šie uzlabotie datori izvairīsies no dārgām kļūdām, mācoties no savām pieredzes simulācijām, piemēram, izmantojot "pašspēli", kur mākslīgais intelekts iedomājas mijiedarbības rezultātus ar sevis kopijām.
"Tas ir līdzīgi tam, kā cilvēki var mācīties, izmantojot iztēli, paredzot sliktu iznākumu, nepiedzīvojot to tieši," piebilda Suchovs. "AI sistēmas apgūs efektīvākas mācīšanās stratēģijas tādā veidā, ka skolēns var novirzīt savu laiku un uzmanību ne tikai uz saturu, ko viņi mācās, bet arī uz pašu mācīšanās procesu."
